Folge 30: AI Commerce – Shopping in KI-Systemen
Die Art und Weise, wie Produkte entdeckt, verglichen und gekauft werden, verändert sich fundamental. KI-Systeme wie ChatGPT, Google Gemini und Perplexity entwickeln sich von reinen Informationsquellen zu Shopping-Assistenten – und perspektivisch zu autonomen Einkaufsagenten.
In dieser Folge beleuchten Martin Grahl und Andre Alpar die Grundlagen des AI Commerce: Was unterscheidet klassisches E-Commerce von Conversational und Agentic Commerce? Welche Elemente können KI-Systeme bereits heute abbilden – und wo liegt die Zukunft? Wann macht der Einsatz von AI Commerce Sinn, und in welchen Branchen ist die Relevanz bereits heute messbar?
Die zentrale Erkenntnis: Die entscheidende Frage ist nicht länger, ob ein Produkt rankt – sondern ob es von einem KI-System ausgewählt wird.
Die drei Phasen des Commerce: Von manuell zu autonom
Um AI Commerce zu verstehen, lohnt sich der Blick auf die Evolution des digitalen Handels. Drei Phasen lassen sich klar voneinander abgrenzen – jede mit eigenen Mechanismen, Nutzererwartungen und technischen Anforderungen.
E-Commerce
Eigenrecherche: Nutzende recherchieren, vergleichen und wählen Produkte vollständig selbst aus
Selbstgesteuert: Navigation durch Kategorien, Filter und Produktseiten
Klickbasiert: Manuelles Befüllen des Warenkorbs, Eingabe von Daten, Abschluss des Kaufs
Conversational Commerce
Dialogbasiert: Strukturierte Gespräche mit Rückfragen zu Budget, Präferenzen und Anforderungen
Beratend: Filterung und Priorisierung von Produktvorschlägen basierend auf Nutzereingaben
Teilautomatisiert: Begleitung bis zur Auswahl – der Kauf selbst muss vom Nutzenden ausgelöst werden
Agentic Commerce
Eigenständig: Erkennung von Bedarf, Planung von Schritten, Abruf von Preisen und Verfügbarkeiten
Transaktionsfähig: Artikel werden in Warenkörbe gelegt, Zahlungen abgeschlossen – ohne manuellen Eingriff
Intentgetrieben: Nutzende geben nur Ziel und Budget vor, der Agent erledigt alles andere
Wichtig: Conversational und Agentic Commerce verschwimmen in der Praxis. Viele Anbieter sprechen bereits von „Agentic Commerce“, obwohl die Systeme noch stark konversationell geprägt sind. Die Übergänge sind fließend – die Richtung jedoch klar.
Die vier Elemente des AI Commerce
AI Commerce ist kein monolithisches Konzept, sondern setzt sich aus mehreren Bausteinen zusammen. Jedes dieser Elemente adressiert eine spezifische Phase im Kaufprozess – von der ersten Problemerkennung bis zum finalen Checkout.
KI-Systeme verstehen nicht nur explizite Produktanfragen, sondern auch Problemstellungen. Beispiel: „Ich brauche etwas, um morgens schneller wach zu werden“ führt zu Kaffeemaschinen, Espresso-Produkten oder Wachmachern.
Der Kontext – wer fragt, mit welchem Budget, in welcher Situation – fließt direkt in die Produktauswahl ein.
Statt manueller Recherche über Dutzende Tabs übernimmt das KI-System den Produktvergleich. Kriterien wie Preis, Bewertungen, Verfügbarkeit und Eigenschaften werden automatisch gegenübergestellt.
Das System priorisiert basierend auf den Präferenzen der Nutzenden – nicht nach Werbeplatzierung.
KI-Systeme stellen Rückfragen: „Wie viele Tassen Kaffee trinkst du täglich?“ oder „Ist dir Geschwindigkeit oder Geschmack wichtiger?“ Diese dialogbasierte Eingrenzung führt zu präziseren Empfehlungen.
Der Prozess ähnelt einem Beratungsgespräch im stationären Handel – nur skalierbar und rund um die Uhr verfügbar.
Die Endstufe: Das KI-System schließt den Kauf direkt ab. Formulare werden automatisch ausgefüllt, Zahlungsdaten hinterlegt, der Checkout durchgeführt.
Aktuell noch selten umgesetzt, aber technisch bereits möglich – und in den USA bei Google teilweise live.
AI Commerce im AIDA-Funnel: Wo wirken welche Elemente?
Die vier Elemente des AI Commerce lassen sich entlang des klassischen Kaufprozesses verorten. Jede Phase des AIDA-Modells wird durch spezifische KI-Funktionen adressiert.
- Attention: Kontextbasierte Suche nach Problemlösungen und Produkten – das KI-System macht auf relevante Lösungen aufmerksam
- Interest: Dialogbasierte Produktauswahl – durch Rückfragen wird das Interesse konkretisiert
- Desire: Intelligente Produktvergleiche – die besten Optionen werden herausgearbeitet und der Wunsch verstärkt
- Action: Direkter Verkauf im KI-System – der Kauf wird ohne Medienbruch abgeschlossen
Braucht es Agentic Commerce überhaupt?
Eine berechtigte Frage: Wenn große Plattformen wie Amazon bereits reibungslose Kaufprozesse bieten – warum dann noch KI-Agenten?
Die Antwort liegt in zwei zentralen Realitäten:
Die UX im E-Commerce ist nicht überall perfekt
Nicht jeder Onlineshop bietet die User Experience von Amazon oder Zalando. Kleinere Anbieter, Nischenprodukte, B2B-Shops – hier sind Checkout-Prozesse oft umständlich, Formulare lang, die Navigation komplex.
Ein KI-Agent, der diese Hürden übernimmt, senkt die Abbruchquote massiv.
Menschen wollen Aufwand reduzieren
Menschen sind bequem. Flüge buchen, Versicherungen vergleichen, Büromaterial nachbestellen – repetitive Aufgaben, die Zeit kosten.
Die Bereitschaft, solche Prozesse zu delegieren, ist hoch. KI-Agenten adressieren genau dieses Bedürfnis.
AI Commerce minimiert den Aufwand für Käufer:innen
Der Grad der Erleichterung unterscheidet sich fundamental zwischen den drei Commerce-Modellen:
- Klassisches E-Commerce: Geringste Erleichterung – Recherche, Vergleich, Auswahl, Warenkorb, Checkout erfolgen manuell
- Conversational Commerce: Mittlere Erleichterung – der Bot berät und empfiehlt, der Kauf muss jedoch selbst abgeschlossen werden
- Agentic Commerce: Hohe Erleichterung – der Agent recherchiert, vergleicht, füllt Formulare aus und schließt den Kauf autonom ab
Wann kommt Agentic Commerce zur Anwendung?
Nicht jedes Produkt eignet sich für vollautonome KI-Agenten. Drei zentrale Faktoren bestimmen die Nutzungswahrscheinlichkeit:
Je höher der Kaufpreis, desto geringer die Wahrscheinlichkeit, dass Agentic Commerce eingesetzt wird.
Hohe Nutzungswahrscheinlichkeit: Toilettenpapier, Bürobedarf, Druckerpatronen – Produkte unter 10 €, bei denen der potenzielle Verlust gering ist
Geringe Nutzungswahrscheinlichkeit: Fernseher, Autos, hochpreisige Elektronik – hier wollen Käufer:innen die Kontrolle behalten
Im B2B-Kontext spricht man von C-Gütern: Verbrauchsmaterialien mit geringem Wert, aber hohem Verwaltungsaufwand. Hier ist Agentic Commerce besonders sinnvoll.
Funktionale Produkte lassen sich leicht delegieren – bei emotionalen Käufen wollen Menschen selbst involviert sein.
Geringes Involvement: Druckerpatronen, Socken, Putzmittel – hier zählt Funktion, nicht Emotion
Hohes Involvement: Fashion, Autos, Designermöbel – Produkte, mit denen sich Käufer:innen ausdrücken und identifizieren
Auch hier kann Conversational Commerce helfen, die Vorauswahl zu treffen – die finale Entscheidung bleibt jedoch beim Menschen.
Je spezifischer die Kaufabsicht, desto höher die Wahrscheinlichkeit für Agentic Commerce.
Niedrige Spezifität (explorativ): „Ich möchte eine Siebträgermaschine unter 800 €“ – hier ist Beratung gefragt, Conversational Commerce passt
Hohe Spezifität (entschieden): „Ich möchte die Sage Barista Pro in Grau von einem gut bewerteten Shop in Deutschland zum besten Preis“ – hier kann der Agent direkt kaufen
Die Spezifität der Anfrage ist ein direkter Indikator dafür, wie viel Autonomie Nutzende dem System zugestehen.
Marktgröße: Wie relevant ist AI Commerce heute?
Die Zahlen sprechen eine klare Sprache: AI Commerce ist keine Zukunftsvision mehr, sondern bereits heute messbare Realität.
75 Mrd. Chats in ChatGPT (monatlich)
ChatGPT verzeichnet monatlich rund 75 Milliarden Chats – ein massives Volumen, das weit über reine Informationssuche hinausgeht.
417 Mrd. Suchanfragen bei Google (monatlich)
Google bleibt der dominierende Player mit 417 Milliarden monatlichen Suchanfragen weltweit – und integriert KI zunehmend in Shopping-Funktionen.
47 % nutzen ChatGPT im Kaufprozess
Fast die Hälfte der ChatGPT-Nutzenden setzt das Tool aktiv im Kaufprozess ein – für Recherche, Vergleich oder Beratung.
42 % sagen: KI hat meinen letzten Kauf beeinflusst
Mehr als zwei Fünftel der Befragten geben an, dass KI ihren letzten Kauf beeinflusst hat – ein klarer Indikator für die wachsende Rolle von AI Commerce.
Branchenrelevanz: Wo werden Produkte in KI-Systemen ausgespielt?
Nicht jede Branche profitiert gleichermaßen von AI Commerce. Eine Studie von Profound zeigt, wie oft Produktausspielungen in ChatGPT getriggert werden:
- Bekleidung / Mode: 62 % – höchste Relevanz
- Physische Produkte: 56 %
- Verbrauchsgüter / Lebensmittel: 30 %
- Gesundheit / Medizin: 6 %
- Reise / Gastgewerbe: 6 %
- Fahrzeuge / Großgeräte: 2 %
- Dienstleistungen: 0,5 %
- Software / SaaS: 0,1 %
- Finanzprodukte: 0 %
Die Daten zeigen: Physische Produkte mit klaren Eigenschaften und Vergleichskriterien dominieren. Dienstleistungen, Software und Finanzprodukte spielen aktuell kaum eine Rolle.
Status Quo: Was ist heute im AI Commerce möglich?
Die großen Player haben bereits konkrete Features gelauncht – mit unterschiedlichen Schwerpunkten und regionalen Einschränkungen.
Was ist möglich:
- Product Discovery direkt in ChatGPT – Produktvorschläge basierend auf Konversationen
- Checkout über Shopify Storefronts (nur für Nutzende mit Wohnsitz in den USA)
Was geplant war / abgesagt wurde:
- Daten kommen aktuell noch von Dritt-Händlern; für eigene Feeds kann man sich bewerben
- Instant Checkout wurde im März 2025 abgesagt – vorerst kein vollautonomer Kauf in ChatGPT
Was ist möglich:
- Produktintegration in Gemini und AI Mode
- In den USA: Instant Checkout über Universal Checkout Platform (UCP) direkt bei Google
- Neue Features wie „Try it on“ (virtuelle Anprobe) und „Buy for me“ (Agent kauft autonom)
- Preisvergleich und Preisverfolgung über mehrere Shops hinweg
Was geplant ist:
- Einführung dieser Features in Deutschland – Zeitpunkt noch offen
Google ist aktuell der relevanteste Player im AI Commerce – insbesondere durch die direkte Integration in die Suche und die bereits live geschalteten Checkout-Funktionen in den USA.
Perplexity hat mit „Comet“ einen Shopping-Assistenten direkt im Browser integriert. Der Agent begleitet Nutzende auf E-Commerce-Seiten, vergleicht Preise und unterstützt bei der Produktauswahl.
Besonderheit: Comet arbeitet als Browser-Extension und ist nicht auf die Perplexity-Plattform beschränkt – ein Ansatz, der die Grenze zwischen KI-System und klassischem E-Commerce weiter verwischt.
Die entscheidende Verschiebung: Von Ranking zu Selection
Die zentrale Erkenntnis dieser Folge lässt sich in einem Satz zusammenfassen:
Die entscheidende Frage ist nicht länger, ob ein Produkt rankt – sondern ob es von einem KI-System ausgewählt wird.
Im klassischen SEO ging es darum, auf Seite 1 zu erscheinen. Im AI Commerce geht es darum, vom KI-System als beste Lösung identifiziert, verglichen und empfohlen zu werden.
Das erfordert ein Umdenken:
- Nicht nur für Suchmaschinen optimieren, sondern für KI-Systeme, die Kontext verstehen und Dialoge führen
- Nicht nur Traffic generieren, sondern Vertrauen und Datenqualität aufbauen
- Nicht nur sichtbar sein, sondern ausgewählt werden
Ausblick: Folge 31 – Technische Grundlagen und Optimierung
In der nächsten Folge tauchen Martin und Franziska tiefer in die technische Umsetzung ein:
- Welche technischen Voraussetzungen müssen erfüllt sein, um im AI Commerce sichtbar zu werden?
- Wie optimiert man Produktdaten, Feeds und Shop-Strukturen für KI-Systeme?
- Was bedeutet es, „Agentic Commerce-ready“ zu sein – und wie schafft man die Grundlagen dafür?
Die strategische Einordnung aus Folge 30 wird durch operative Handlungsempfehlungen ergänzt.
